O presente trabalho fez o uso de Análise Envoltória de Dados para avaliar a eficiência das transportadoras terceirizadas por uma empresa da indústria de higiene pessoal, perfumaria e cosméticos para realizar as entregas de seus produtos aos clientes intermediários. Atingindo os objetivos específicos do trabalho, foi realizado o cálculo da eficiência de cada transportadora, a identificação de benchmarks para as transportadoras classificadas como ineficientes, a determinação de alvos para essas transportadoras e, por fim, a criação de um ranqueamento com base nos resultados obtidos.
Como objeto de estudo, foram utilizados dados referentes às entregas por carga direta realizadas para clientes intermediários da Empresa AZ localizados em todo o território nacional, sendo estas informações coletadas no período de janeiro de 2020 até agosto de 2021. Para a escolha das variáveis a serem utilizadas no modelo DEA escolhido, foram levadas em consideração as limitações descritas no estudo de caso para o transporte rodoviário de cargas.
Assim, foram definidas 4 variáveis, sendo 1 input e 3 outputs. Para o input, foi considerado o valor total do frete total e, para os outputs, a quantidade de itens transportados, o peso total da carga transportada e valor total das notas fiscais dos produtos. Foi utilizado o modelo CCR orientado a inputs, tendo sido considerado o mais adequado pelo fato de todas as transportadoras terem condições similares e possibilidade de operar em escala ótima. Além disso, a orientação adotada objetiva a redução de custos com o frete, de modo a equilibrar as limitações consideradas.
As transportadoras selecionadas foram as DMUs analisadas, sendo 23 no total. Contudo, o estudo foi dividido em três etapas, uma vez que ao observar o resultado da avaliação geral, isto é, primeira avaliação considerando todas as informações dentre os dados coletados para as 23 transportadoras definidas, foi possível identificar que as transportadoras cujas entregas não eram realizadas na Região Sudeste estavam sendo penalizadas pelo modelo, por terem um valor de frete mais alto devido à distância do centro de distribuição. Além disso, os benchmarks não eram coerentes com a realidade, já que indicava referências que realizavam entregas apenas na Região Sudeste para transportadoras que entregavam somente nas regiões Norte e Nordeste.
Dessa forma, a segunda análise selecionou dentre os dados coletados apenas as entregas realizadas na Região Sudeste e o número de DMUs analisadas caiu para 17 transportadoras.
Assim, o conjunto de referência para as DMUs ineficientes se mostrou coerente e oportunidades de melhorias com base nas melhores práticas foram identificadas. Três transportadoras foram
apontadas como eficientes pelo modelo. Essa etapa da avaliação foi considerada também para realizar o ranqueamento das transportadoras, através da técnica da fronteira invertida, a fim de identificar as posições de cada transportadora. Foi observado que o ranqueamento e a definição dos alvos permitem que o time de logística possa elencar a priorização na busca por melhores condições de frete e nos ajustes relacionados às limitações do transporte rodoviário no momento do carregamento e fechamento de cada caminhão. Ainda, os alvos encontrados para as transportadoras dadas como ineficientes podem ser utilizados para auxiliar em negociações de melhores valores de fretes em processos de concorrência para contratação de novas transportadoras, por exemplo.
Em um terceiro momento, foi utilizada a segunda avaliação para uma terceira análise, a qual considerou uma divisão dos dados pelo ano de 2020 e 2021, assumindo os impactos da pandemia do COVID-19 nos dois anos estudados e os desempenhos de cada transportadora ao longo do tempo com a evolução da pandemia. Assim sendo, foram consideradas 29 DMUs, sendo as mesmas transportadoras já definidas, porém diferenciadas pelo identificador “A” para o ano de 2020 e “B” para o ano de 2021. Nesta análise complementar ao estudo, verificou-se que no ano de 2021 houve a contratação de novas transportadoras e que a eficiência média geral no ano de 2021 foi maior que no ano de 2020, o que indica uma adaptação das transportadoras e da organização logística ao longo do cenário de pandemia. Este entendimento é reforçado pelo fato de três das quatro DMUs dadas como eficientes nesta avaliação serem relativas ano de 2021.
Dessa forma, o estudo traz como principal contribuição a utilização de Análise Envoltória de Dados na identificação de oportunidades de redução de custos em negociações com parceiros que apresentem condições operacionais similares. Isso porque, ao identificar as DMUs dadas como ineficientes no modelo e seus alvos, a empresa pode adotar estes resultados como estratégia para atuar em negociações e novas contratações que gerem maior economia.
Este estudo teve como principal limitação o fato de haver um número restrito de transportadoras com contrato ativo, principalmente ao avaliar uma região delimitada, sendo um grande desafio na escolha das variáveis, de modo a seguir a recomendação de Golany e Roll (1989) quanto ao número de DMUs sendo, pelo menos, duas vezes o número total de variáveis.
Além disso, houve uma dificuldade de acesso a dados que pudessem complementar e suportar em análises mais aprofundadas dos resultados obtidos, que apoiariam na análise de comportamento de cada DMU, como o número de clientes atendidos por cada transportadora e o número de entregas realizadas dentro do prazo. Uma informação não fornecida pela empresa,
mas que pode ser utilizada para complementar as avaliações dos resultados futuramente, são os níveis de serviço atualmente atingidos por cada uma das transportadoras estudadas. Esse indicador, somado aos resultados obtidos pelo estudo, podem ser utilizados como mais um critério na definição das prioridades da empresa em obter melhores condições.
Finalmente, como sugestão para trabalhos futuros, propõe-se realizar a análise por região nas outras áreas não consideradas, de modo que o valor do frete tenha uma oscilação menor devido ao menor raio de atendimento e seja possível realizar uma análise com número suficiente de DMUs para cada região do território brasileiro. O mesmo poderia ser realizado por cidades de maiores demandas, como São Paulo, onde estão centralizados a maior parte dos clientes e, portanto, a maior parte dos custos logísticos com transporte. Uma outra forma de análise pertinente é a divisão por categoria de produtos, levando em consideração o volume de entregas por carga direta para cada categoria. Além disso, algumas variáveis que poderiam ser utilizadas no estudo seria o número de clientes atendidos e o número de entregas realizadas dentro do prazo, conforme mencionado anteriormente, analisando as características operacionais da transportadora. Por fim, como continuidade do estudo, pode-se avaliar o alcance dos alvos pelas transportadoras ineficientes e os resultados de economia obtidos pela empresa analisada, demonstrando a aplicabilidade do modelo no contexto.
REFERÊNCIAS BIBLIOGRÁFICAS
ALVES, R.T.; FIEDLER, N. C.; DA SILVA, E. N.; LOPES, E. S.; DO CARMO, F. C. A.
Análise técnica e de custos do transporte de madeira com diferentes composições veiculares.
Revista Árvore, v 37, n. 5, 2013.
ANGULO MEZA, L.; BIONDI NETO, L.; RIBEIRO, P. G. SIAD V.2.0. – Sistema Integrado de Apoio à Decisão: Uma implementação de modelos de análise envoltória de dados e um método multicritério. In: XXXVII Simpósio Brasileiro de Pesquisa Operacional, Gramado, 2005.
ATHAYDE, A. H. Avaliação de desempenho do transporte rodoviário de cargas pelo método de análise envoltória de dados - DEA. Tese de Doutorado. Universidade de São Paulo, 2003.
AZEVEDO DE OLIVEIRA, L. F; ALMEIDA, M. R. Avaliação e análise da eficiência de prestadores de serviços logísticos no Brasil, In: Simpósio Brasileiro de Pesquisa Operacional, Rio de Janeiro, 2012.
BANKER, R. D.; CHARNES, A.; COOPER, W. W. Some models for estimating technical scale inefficiencies in data envelopment analysis. Management Science, 30, 1078-1092, 1984.
BOTELHO TSCHAFFON, P.; ANGULO MEZA, L.. Um estudo de outputs indesejáveis em DEA com aplicação no setor de distribuição de energia elétrica. In: XLIII Simpósio
Brasileiro de Pesquisa Operacional, Ubatuba, 2011.
CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision-making units. European Journal of Operational Research, 2, 429-444, 1978.
COOPER, W.W.; SEIFORD, L.M.; TONE, K. Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References and DEA-Solver Software. Second Edition, 2007.
ENTANI, T.; MAEA,Y.;TANAKA,H. Dual Models of Interval DEA and its extensions to interval data. European Journal of Operational Research, 136, 32-45, 2002.
GOMES, E.G. Modelos de Análise de Envoltória de Dados com Ganhos de Soma Zero. Tese de Doutorado em Engenharia de Produção. COPPE – Universidade Federal do Rio de Janeiro.
Rio de Janeiro, 2003.
GOLANY, B; ROLL, Y. An Application Procedure for DEA. Ômega, Elsevier vol. 17(3), 237-250, 1989.
FARRELL, M. J. The Measurement of Productive Efficiency. Journal of Royal Statistical Society Series A, 120, 253-281, 1957.
JUNIOR, G. R. S. Avaliação de eficiência de filiais de varejo alimentício por meio de análise envoltória de dados. Graduação em Engenharia de Produção, Projeto Final, Universidade Federal Fluminense, 2021.
KOOPMANS, T.C. Analysis of production as an efficient combination of activities. Activity Analysis of Production and Allocation, Cowles Commision, Wiely, New York, 33 – 97, 1951.
LETA, F.R.; SOARES DE MELLO, J.C.C.B.; GOMES, E.G.; ANGULO MEZA, L. Métodos de melhora de ordenação em DEA aplicados à avaliação estática de tornos mecânicos.
Investigação Operacional, v. 25, 2005.
L’ORÉAL. The world of beauty in 2020. Disponível em:
<https://www.loreal-finance.com/en/annual-report-2020/cosmetics-market-2-1-0/>. Acesso em: 12 janeiro 2022 MARIANO, E. B.; ALMEIDA, M. R; REBELLATO, D.A.N. Princípios da Dualidade para Análise por Envoltória de Dados. In: XII Simpósio de Engenharia de Produção, Bauru, 2006.
MARKOVIC´, N.; DROBNJAK, Z.; SCHONFELD, P. Dispatching trucks for drayage operations. Transportation Research Part E: Logistics and Transportation Review, v. 70, n.
1, p. 99–111, 2014.
NANCI, L. C., DE CASTRO SENRA, L. F. A. Avaliação de operadores logísticos na distribuição de jornais com aplicação de um índice de desempenho híbrido
(dea-multicritério). In: Simpósio de Pesquisa Operacional e Logística da Marinha, Rio de Janeiro.
Anais do SPOLM, 2005.
SABANOGLU, T. Annual growth of the global cosmetics market from 2004 to 2020.
Disponível em: <https://www.statista.com/statistics/297070/growth-rate-of-the-global-cosmetics-market/>. Acesso em: 12 janeiro 2022.
SANTOS, T. P. Aplicação do modelo DEA-GSZ não radial na distribuição de recursos da Lei Agnelo/Piva aos esportes olímpicos. Graduação em Engenharia de Produção, Projeto Final, Universidade Federal Fluminense, 2010.
SCHEEL, H. Undesirable outputs in efficiency valuations. In: European Journal of Operational Research, vol. 132, pp. 400-410, 2001.
SOARES DE MELLO, J. C. C. B.; ANGULO MEZA, L.; GOMES, E. G.; BIONDI NETO, L. Curso de Análise de Envoltória de Dados. In: Simpósio Brasileiro de Pesquisa
Operacional, Gramado. Anais do XXXVII SBPO, 2005.
VALÉRIO, R. P. Avaliação de desempenho e realocação de recursos de modalidades olímpicas brasileiras utilizando análise envoltória de dados. Graduação em Engenharia de Produção, Projeto Final, Universidade Federal Fluminense, 2013.
VERATI, J. V.; MIRANDOLA, F. Como a logística do e-commerce se adaptou durante a pandemia. In: XII Fateclog Gestão da Cadeia de Suprimentos no Agronegócio: Desafios e Oportunidades no Contexto Atual, Mogi das Cruzes. Anais do XII Fateclog, 2021.
WADE D.COOK, KAORU TONE, JOE ZHU. Data envelopment analysis: Prior to choosing a model. In: Omega, Volume 44, 2014, Pages 1-4, 2014.
YAMADA, Y.; MATUI, T.; SUGIYAMA, M. New analysis of efficiency based on DEA. In:
Journal of the Operations Research Society of Japan, v. 37, n. 2, 158-167, 1994.